坑一：越多越好
把整份文档、整段历史都塞进窗口，以为信息全了就准。实际会稀释关键约束、引入互相矛盾的内容，还会推高延迟与用量。上下文的价值取决于相关度与结构，不取决于字数，多加的部分往往成为噪声，反而拖累准确率。
坑二：检索到就信
检索返回的片段可能过期、断章取义，甚至来自错误版本。直接拼进上下文，模型会把它当作事实。正确做法是保留来源、时间与置信标记，对高风险问题要求多源交叉，并允许模型回答信息不足，而不是勉强作答。
坑三：忽略顺序效应
同一批材料换个顺序，模型的引用重点会变化。把最权威、最新的证据放在显眼位置，把补充说明放后面；若把内容平铺，模型可能抓住最早出现的那段，而它恰好是旧版本，答复就跟着错，且很难被发现。
坑四：不做冲突处理
多份材料给出不同口径时，若不显式标注，模型会自行取舍，结果不可控。应在上下文里写明优先级与生效时间，或直接只保留有效版本；把冲突留给模型判断，等于把一致性交给概率，验收时也无法复现。
坑五与坑六：预算与评测
不设上下文预算，历史与工具返回会挤占知识位；不做消融评测，就不知道哪类内容真正有用。两者叠加的后果是系统越改越慢、越改越贵，却说不清准确率为何不升，最后只能整体回退，前期投入白费。
适用与不适用
适合谁
- 已经接入检索、但答案经常答非所问的团队
- 问答系统上线后效果逐月下滑的项目
- 需要向业务解释错误原因的技术负责人
不适合谁
- 尚未接入任何外部资料、也无检索的系统
- 知识本身错误、却想靠上下文修补的项目
典型场景
某物业公司的制度问答上线三个月后，员工反映答案经常引用旧版报销标准。排查发现检索把新旧两份文件都返回，上下文按相似度排序，旧版恰好排在前。改为按生效时间过滤、并在文首标注版本与适用范围后，投诉才明显减少。
可执行步骤
- 抽查一批错误回答，标注是材料问题还是指令问题，分出主因，再排修复顺序
- 检查上下文里是否存在同主题多版本并存，列出冲突清单，并逐条定优先级
- 核对证据是否带来源、时间与适用范围，缺的补上，格式统一后再入库，并抽检一遍
- 按证据类型做删减对比，确认哪类真正有用，再决定保留还是压缩掉，形成结论
常见坑
- 把整份制度文档拼进上下文，模型引用作废条款，员工照做后被财务退回，信任受损，制度推行也受阻。
- 检索片段断章取义，缺少上下文前提，模型据此给出相反结论，业务方却以为是模型能力问题，方向被带偏。
- 多版本材料并列且无优先级，同一问题两次回答不一致，用户无法判断该信哪一次，客服只能人工兜底。
- 不做消融就不断加材料，延迟与费用上升，准确率却没有变化，预算审议时无法解释，项目被迫搁置。
自检与验收清单
- 错误回答是否做过材料与指令的归因，并留档备查
- 上下文是否按生效时间过滤版本，并标明优先级
- 证据是否标注来源与适用范围，便于复核与追溯
- 是否定期做删减对比实验，并保留书面结论归档
常见问题
为什么加了资料反而更不准？
新增资料可能与既有证据冲突，或把关键条款挤出窗口。模型不会自动判断哪份更权威，只会按位置与表述取舍。加资料前应先确认版本与优先级，加完用同一批问题对比，而不是凭感觉上线，否则越改越乱。
多版本文件该怎么处理？
优先只投放有效版本，并在文首标注生效时间与适用范围；确需保留历史版本时，明确写出哪一版优先。把选择权交给模型，等于把一致性交给概率，同一问题会出现不同答案，验收也无法复现。
如何判断某类上下文有用？
用消融：保留其余条件不变，只去掉这一类材料，跑同一批问题，比较准确率与引用正确率。若指标不变，说明它只是噪声，可以压缩；若明显下降，才值得继续维护与更新，并写进运营清单。